Fecha/hora de entrega

16 de septiembre de 2024, 7:59 pm.

Objetivos

Ejercicio 1. Datación relativa usando la elevación topográfica y la edad de las rocas

Usa este mapa geológico con recuadros rotulados, incrustado también a continuación.

Una vez hayas Localizado tu recuadro de 5x5 km, identifica las rocas que hay dentro del cuadro, tanto su tipología, como su edad (si no logras ver las rocas o el mapa es difuso, puedes confirmar con este, o con este o con este otro). Refresca la cronología siguiendo la tabla cronoestratigráfica internacional, usando este enlace o este otro.

Redacta un párrafo que sintetice la evolución del relieve, con sus dataciones relativas debidamente identificadas.

Ejercicio 2. Datación absoluta a partir del porcentaje isotópico remanente

Enviaste una muestra para datación por radioisótopo 14C al laboratorio, y te reportaron que el porcentaje remanente es el asignado abajo (usa los dos dígitos terminales de tu matrícula para encontrar el porcentaje asignado a ti). Usa la fórmula N0=Ne-λt y la tabla 6.1 de Anderson and Anderson (2010) para calcular la edad aproximada de la muestra. Interpreta el resultado.

Dos dígitos terminales de matrícula Porcentaje remanente
00 47
01 32
02 43
03 21
04 61
05 31
06 12
07 19
08 30
09 67
10 8
11 81
12 87
13 29
14 85
15 83
16 94
17 13
18 3
19 77
20 6
21 70
22 37
23 84
24 57
25 53
26 45
27 97
28 75
29 64
30 82
31 59
32 91
33 74
34 62
35 80
36 38
37 14
38 51
39 76
40 20
41 46
42 79
43 16
44 66
45 28
46 44
47 11
48 89
49 34
50 39
51 78
52 49
53 63
54 50
55 10
56 48
57 42
58 88
59 65
60 54
61 90
62 55
63 2
64 26
65 68
66 27
67 60
68 40
69 41
70 56
71 7
72 36
73 71
74 24
75 18
76 25
77 4
78 22
79 58
80 33
81 15
82 72
83 23
84 5
85 17
86 9
87 98
88 35
89 99
90 93
91 92
92 95
93 0
94 69
95 73
96 1
97 96
98 52
99 86

Redacta un párrafo interpretativo sobre el resultado.

Ejercicio 3. Tasa de denudación

Para fines de referencia, la presentación correspondiente a este tema se encuentra alojada aquí.

Cálcula la tasa de denudación anual y la denudación al cabo de 30 años, de tu cuenca (elige una de las 20 de abajo). Realiza tu cálculo utilizando la fórmula de la tasa de denudación anual (Td):

Td = (TTS/A)/ρ

donde TTS es la tasa de transporte de sedimentos, A es el área de la cuenca y ρ es la densidad promedio de las rocas de la cuenca.

Interpreta tu resultado comparando con otros casos o respondiendo a preguntas tales como “Si la TTS, A o ρ fuesen menores o mayores, ¿sería mayor o menor la Td?

IMPORTANTE: no olvides transformar las unidades a un sistema común.

estudiante tamaño (km cuad.) densidad rocas (g por cm cúbicos) tasa transporte sed (kg/año)
Estudiante 1 565.9224 3.032822 110478989
Estudiante 2 574.8302 2.497097 113510626
Estudiante 3 314.4558 3.092224 57094933
Estudiante 4 532.1791 3.062668 116534913
Estudiante 5 456.6982 2.457706 90113888
Estudiante 6 407.6384 2.759948 89005273
Estudiante 7 494.6353 2.673142 106617387
Estudiante 8 253.8666 3.034017 52213064
Estudiante 9 462.7969 2.712879 101293031
Estudiante 10 482.0259 2.985203 98716579
Estudiante 11 383.0967 2.916317 74087215
Estudiante 12 487.6449 2.967739 94558961
Estudiante 13 573.8689 2.671676 112465053
Estudiante 14 302.1715 2.879619 63893895
Estudiante 15 384.9171 2.402764 69901840
Estudiante 16 576.0058 2.983041 120954331
Estudiante 17 591.2906 2.405134 122469376
Estudiante 18 246.9949 2.545361 46174035
Estudiante 19 389.9988 3.034621 74291887
Estudiante 20 424.1331 2.828245 85092451

Ejercicio 4. Tamaños de clastos de tipos de rocas comunes en distintos tramos de río

Figure 1: Distribución de muestras de clastos tomadas en el canal del río Ocoa en distintos tramos

Como indicador indirecto del potencial erosivo, utiliza los datos de muestras de clastos tomadas en la cuenca del río Ocoa, que se encuentran alojados en data/clastos.csv. Compararás el tamaño de los clastos de los tipos de rocas que sean comunes entre tus dos muestras asignadas (filtra según el campo codigo_lugar del archivo). Reserva el par “Estudiante 1” al Tali.

Estudiante Muestra 1 Muestra 2
Estudiante 1 LPRO_03 RBAT_06
Estudiante 2 LPRO_03 RBAT_07
Estudiante 3 LPRO_03 AARO_02
Estudiante 4 LPRO_03 RBAT_07
Estudiante 5 LPRO_02 LLRO_01
Estudiante 6 LPRO_02 RBAT_03
Estudiante 7 LPRO_02 EPCC_03
Estudiante 8 LPRO_03 RBAT_05
Estudiante 9 LPRO_01 POMI_01 U9AL01_R1
Estudiante 10 LPRO_01 RBAT_01
Estudiante 11 LPRO_03 RBAH_02
Estudiante 12 LPRO_03 PARO_01
Estudiante 13 LPRO_02 RBAH_03
Estudiante 14 LPRO_02 AARO_08
Estudiante 15 LPRO_02 LLRO_03
Estudiante 16 LPRO_01 POMI_01 U9AL01_R1
Estudiante 17 LPRO_01 EPCC_03
Estudiante 18 LPRO_03 RBAT_06
Estudiante 19 LPRO_03 RBAT_06
Estudiante 20 LPRO_01 LLRO_03

Cada muestra contiene, aproximadamente, 100 clastos de distintos tipos de litologías medidos en tres ejes: largo, ancho y espesor. Fijándote en el mapa de arriba, notarás que una de tus muestras representa el tramo alto del río, la otra el tramo bajo.

Como en el aula sólo tienes acceso a un móvil (quizá también puedes usar una de las pocas PCs activas para acceder al servidor RStudio, pero recuerda usar una ventana incógnito preferiblemente), puedes usar el servidor RStudio. Intenta pegar el código a continuación en R (si no lo ves, presiona el botón Show), cambiando los nombres de tus muestras (IMPORTANTE: no te funcionará ejecutar el código tal como está, debes comprenderlo y editarlo; de lo contrario, tu práctica quedará mal). No es recomendable que lo intentes sólo con la calculadora, porque sería muy largo.

# Cargar las librerías necesarias para el análisis de datos
library(tidyverse)  # Incluye ggplot2, dplyr, tidyr, etc., para manipulación y visualización de datos
library(skimr)      # Herramienta para obtener resúmenes estadísticos
source('R/funciones.R')  # Cargar funciones adicionales definidas en un archivo externo

# Crear un archivo temporal para almacenar los datos descargados
archivo_temp <- tempfile()

# Definir la URL base desde donde se descargarán los datos
url_base <- 'https://raw.githubusercontent.com/geofis/tiempo-en-geomorfologia/master'

# Definir la ruta del archivo de datos dentro del repositorio
ruta_clastos <- '/data/clastos_con_identificacion_litologia.csv'

# Descargar el archivo de datos del repositorio a la ubicación temporal
download.file(url = paste0(url_base, ruta_clastos), destfile = archivo_temp)

# Leer el archivo CSV descargado y almacenarlo en el objeto 'datos'
datos <- read_csv(archivo_temp)

# Filtrar los datos para incluir solo las observaciones de los lugares asignados
# Sustituyan 'LPRO_03|RBAT_06' por los códigos de lugar que se les hayan asignado
mis_datos <- datos %>% filter(grepl('LPRO_03|RBAT_06', codigo_lugar))

# Agrupar los datos filtrados por 'codigo_lugar' y seleccionar solo las columnas numéricas
# Luego, aplicar la función 'resumenes_est()' para obtener resúmenes estadísticos
mis_datos %>%
  group_by(codigo_lugar) %>%
  select_if(is.numeric) %>% 
  resumenes_est()

# Renombrar las columnas de interés para que sean más descriptivas
# Convertir los datos a un formato largo, para facilitar la visualización
mis_datos %>%
  rename(
    Lugar = codigo_lugar,
    Largo = largo_en_mm,
    Ancho = ancho_en_mm,
    Espesor = espesor_en_mm) %>% 
  pivot_longer(cols = matches('Lar|An|Es', ignore.case = F),
               names_to = 'Dimensión',
               values_to = 'mm') %>% 
  mutate(Dimensión = factor(
    Dimensión,
    levels = c('Largo', 'Ancho', 'Espesor'))) %>% 
  ggplot + aes(x = Lugar, y = mm, fill = Lugar) +
  geom_boxplot(alpha = 0, width = 0.3, color = "#808080") +  # Crear un boxplot con los datos
  geom_violin(alpha = 0.6, width = 0.8, scale = 'width') +   # Añadir un violin plot para mostrar la distribución
  ylim(0, NA) +  # Establecer el límite inferior del eje y en 0
  theme_bw() +    # Usar un tema de fondo blanco para el gráfico
  theme(legend.position = 'none', text = element_text(size = 18)) +  # Ajustar la leyenda y el tamaño del texto
  scale_x_discrete(labels = function(x) str_wrap(x, width = 10)) +  # Ajustar las etiquetas del eje x para mejorar la legibilidad
  facet_grid(~ Dimensión)  # Crear facetas para cada dimensión (Largo, Ancho, Espesor)

# Realizar una prueba t de Student para comparar las medias de 'ancho_en_mm' entre diferentes lugares
t.test(ancho_en_mm ~ codigo_lugar, mis_datos)

Compara si los tamaños en el eje de anchura (campo ancho_en_mm) difieren significativamente entre la muestra de tramo alto y la de tramo bajo. Para ello, primero determina cuántos clastos de cada roca hay por cada muestra, luego obtén la media de la anchura, y evalúa dónde dicha media es mayor o menor, si en la muestra de tramo alto o en la de tramo bajo. Utiliza una prueba estadística para determinar si se trata de una diferencia significativa. Interpreta el resultado sobre la base de la inteperización y el tiempo en geomorfología.

Para que puedas visualizar las posiciones de las muestras, intenta abrir el mapa de arriba con detenimiento (si abres este cuaderno en su versión HTML, tendrás un mapa interactivo). Verás que dicho mapa agrupa las muestras del mismo código como un único punto, por ejemplo, “LPRO_01” a “LPRO_03” se agrupan bajo el punto “LPRO”.

Si lo deseas (no es imprescindible), puedes ver un mapa de los puntos en su máximo detalle. Descarga el archivo KML data/posiciones_muestras.kml, el cual contiene los puntos de muestras desagregados. Cárgalo en QGIS o en GoogleEarth. Dado que la densidad de puntos por unidad de área puede ser muy grande en determinadas zonas, debes acercarte mucho para visualizar tus puntos asignados.

Referencias

Anderson, Robert S, and Suzanne P Anderson. 2010. Geomorphology: The Mechanics and Chemistry of Landscapes. Cambridge University Press.